画像是工业领域中虚拟空间与实体空间的桥梁

本文由美林数据2022实验室（微信号：MeritPluto）原创，转载注明来源及作者，违者必究。

“画像”这一技术概念，最早诞生于互联网用户研究领域，用以在进行产品设计时能更全面的了解用户的需求与特征。当时，交互设计之父阿兰·库珀在工作中发现，当团队在完成数字产品的创造时，产品负责人非常容易受到市场趋势和技术制约的影响，极少考虑用户的目标、需要和动机，导致设计出来的产品缺乏一致的用户体验。

库珀认为出现这一问题的主要原因是没有一套能够同时被用户和产品设计师理解的基础信息。基于这个问题，库珀提出了用户画像的概念，他指出用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型。

库珀提出的用户画像的核心工作是为用户打“标签”，而一个标签通常是从来自用户的真实数据中高度精炼提取的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的所有标签综合起来，就可以勾勒出该用户的立体“画像”了。用户画像为产品需求人员、设计人员、开发人员、其他参与者提供了统一的数字化交流“语言”，有效的保证了设计过程中的每一个阶段均以用户为中心。

画像技术虽然起源于用户研究领域，但它的应用范围绝不仅仅局限于这一领域。画像技术的核心是对研究对象信息的标签化、数字化表征，即通过数据分析、提取、归纳，形成可以准确描述研究对象属性、特征、性能等信息的数字标签体系，利用标签完美的抽象出研究对象的信息全貌。

因此，可以说在任何具有数据基础，可以通过数据完成虚拟化的领域，画像技术都有可为之处。所以，当画像技术应用于工业领域时，同样可以提供一套供行业从业者理解和使用的数据语言体系，帮助所有参与者更好的捕捉工业产品信息。在这一层面，画像技术的意义在于提供了一种可在统一的视角和维度下全面观察和理解目标产品的科学方法。

画像这种数字化勾勒研究目标的科学方法本质上是搭建了一座从现实世界到虚拟空间的数字化桥梁。通过这种大数据方法提取出实体世界核心的、一致的、共通的特性，并将这些特性进行要素化的数字表征，从而让实体世界向虚拟空间映射成为可能。

在用数据构建的虚拟空间中，能够打破实体世界的局限，完成在实体世界难以实现的颠覆性的洞察、规划、创造，在此基础上形成的创造性结果还可以返回实体世界，促进实体世界的改良与升级。

现阶段，画像构建并没有严格意义上标准统一的方法，大多数的画像都会基于实际的应用目标、研究对象的特征、掌握数据的多少等因素，选择最适合的方法。虽然不同的方法各有不同，但万法归宗，画像构建的核心流程主要包含数据处理、标签库建立、画像构建这3步。

其中数据处理部分主要完成的是数据的结构化、标准化处理，以及对于缺失值、异常值的处理。

完成数据处理后，就进入标签库建立阶段。标签库的建立主要基于数据的相似性进行归纳整理。从最细分维度的数据开始，逐一分析不同数据之间的相似度，将相似、相关的数据归为一类，然后再逐级上升，最终形成一个多级别、多分类的标签库。

以工业领域的产品画像为例，在构建时基于产品自身的特性以及产品管理的需求，可从属性标签、行为标签、评价标签、产品客户标签4个维度入手。

其中属性标签代表了产品固有的属性，如尺寸、外形、材料等；行为标签记录了产品运行时长、运转周期、维修次数、故障记录等使用记录；评价标签是在产品的使用和管理过程中，基于使用者对产品的满意度评价形成的标签；产品客户标签是描述产品实际使用客户特征的标签，它又可细分为个人客户标签和企业客户标签。

形成标签库后，就可以开始构建画像了。该阶段需要对研究对象进行建模分析，以圈定最终使用的标签，并确定标签的权重。画像是研究对象标签的集合，可以采用五元组来进行描述:

Profile =〈ID，Name，LableN，W，T〉

其中: ID表示画像的编号; Name表示画像的名称，它标示了画像的应用方向; LableN表示标签集合; W表示标签的权重；T表示时效性参数。

标签集合，表征了内容，是研究对象的特征、性质、行为，是在标签库的基础上抽取形成的最终标签。

权重，表征了标签的权重，用来区分不同标签对于该研究对象的重要程度，可以简单的理解为可信度、概率。在计算权重时可参考以下公式进行确定：

W = 1/(1+a×e-x)

其中a是通过训练得到的一个正数，x表示该标签下所含产品类型的数量。

T是时效性参数，

T=ωi×ti

ωi表示属性时间窗的重要度，越接近现在，则重要度越大;ti为处于具体时间窗口内的时间长度，时间窗的长度和重要度可由实际情况确定。

此外需要强调的是，基于以上方法完成的画像多是根据历史数据确定研究对象的特征，但研究对象不是一成不变的静止物，它的特征和数据信息会随着时间的推移产生变化。因此，需要持续不断的对已形成的画像进行更新和维护，保证其时效性。

当然，实际的画像构建体系和技术要远比这里所述的复杂的多，这里因为篇幅有限，暂不展开详述，只希望通过这篇短文能够让大家对画像的价值和方法有一个概括性的了解，起到抛砖引玉的作用。

未来工业型企业不仅仅会生产商品和产品，还将会成为大数据的终端企业，企业最需要的能源也不再是石油，而是数据。身处这种大变革的时代背景下，我们认为工业型企业需要有力的抓手协助他们完成产业的升级与创新，而画像就是其中一个强有力的大数据技术抓手。

正是基于此，我们对画像技术进行了持续不断的关注与研究，也会在未来的日子里将最新的研究和实践成果分享给大家。希望通过对这一技术的应用，能够帮助工业型企业建立从现实世界到虚拟空间的桥梁，为企业经营贡献股肱之力。

2022实验室作为美林数据的战略发展部门，定位于积极探索大数据领域前沿技术与新兴商业模式的研究与应用，为公司确定未来的发展路线，不断提供前瞻性的思路和清晰客观的视野。